MétaCan
Menu
Retour à la cohorte
Enregistrement W2924789111 · doi:10.1162/jocn_a_01402

Effects of Maternal Singing Style on Mother–Infant Arousal and Behavior

2019· article· en· W2924789111 sur OpenAlexafffund
Laura K. Cirelli, Zuzanna Jurewicz, Sandra E. Trehub

Notice bibliographique

RevueJournal of Cognitive Neuroscience · 2019
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Music Perception
Établissements canadiensThe Scarborough HospitalUniversity of Toronto
Organismes subventionnairesUniversity of Toronto ScarboroughSocial Sciences and Humanities Research Council of CanadaNatural Sciences and Engineering Research Council of CanadaUniversity of Toronto
Mots-clésPsychologySingingArousalStyle (visual arts)Developmental psychologyMoodRhythmSocial psychologyAestheticsAcousticsLiteratureArt

Résumé

récupéré en direct d'OpenAlex

Abstract Mothers around the world sing to infants, presumably to regulate their mood and arousal. Lullabies and playsongs differ stylistically and have distinctive goals. Mothers sing lullabies to soothe and calm infants and playsongs to engage and excite infants. In this study, mothers repeatedly sang Twinkle, Twinkle, Little Star to their infants (n = 30 dyads), alternating between soothing and playful renditions. Infant attention and mother–infant arousal (i.e., skin conductivity) were recorded continuously. During soothing renditions, mother and infant arousal decreased below initial levels as the singing progressed. During playful renditions, maternal and infant arousal remained stable. Moreover, infants exhibited greater attention to mother during playful renditions than during soothing renditions. Mothers' playful renditions were faster, higher in pitch, louder, and characterized by greater pulse clarity than their soothing renditions. Mothers also produced more energetic rhythmic movements during their playful renditions. These findings highlight the contrastive nature and consequences of lullabies and playsongs.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,018
Tête enseignante GPT0,284
Écart entre enseignants0,267 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations202
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Cognitive NeuroscienceMême sujetNeuroscience and Music PerceptionTravaux en français237 207